V
主页
《深度学习技术与应用》_20_卷积与卷积核
发布人
《深度学习技术与应用》课程视频,第20讲:卷积与卷积核。 本课程讲解了深度学习技术及在计算机视觉中的应用,主要采用PyTorch框架。 内容包括:深度学习的发展、全连接神经网络、卷积神经网络、经典卷积神经网络。 处理的数据集包括MNIST手写数字、CIFAR-10数据、Kaggle竞赛的猫狗大战等。 采用PyTorch框架进行开发,包括GPU的使用技巧等。 线下为2022年春季学期课程,时间为2022年3月到6月份。 欢迎大家多提宝贵意见和建议!
打开封面
下载高清视频
观看高清视频
视频下载器
《深度学习技术与应用》_12_误差反向传播
《深度学习技术与应用》_05_图像分类之 KNN 算法
深度学习技术与应用_25_预训练模型_02
65. 使用 KNN 算法完成图像分类(实战)
59. 分类
使用预训练模型
23. 词法分析
69. 强化学习概述
86. ResNet
草履虫都能学会的花卉图像识别!研一、研二必学!基于Pytorch框架的花卉图像识别模型实战,原理详解+项目实战,看完就能跑通!-人工智能/计算机视觉/深度学习-
83. AlexNet
78. 深度人工神经网络
使用特征提取进行图像分类
84. VGG网络
40. 框架表示法
36. 知识与知识表示概述
55. 遗传算法概述
【深度学习零基础篇】从入门到精通一口气学完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM等八大深度学习神经网络!
51. 盲目搜索
89. 卷积神经网络_图像分类(实战)
深度学习技术与应用_24_数据增强
使用微调模型进行图像分类
29. 问答系统
《深度学习技术与应用》_19_全连接神经网络图像分类_PyTorch
33. 语音合成
44. 典型专家系统
57. 机器学习概述
76. 全连接神经网络_灰度图像分类(实战)
《深度学习技术与应用》_01_深度学习概述
《深度学习技术与应用》_10_神经网络的编程实现(第3部分)
45. 知识图谱概述
06. 人工智能的复苏期
28. 基于语料库的机器翻译技术
《深度学习技术与应用》_11_神经网络的学习(第1部分)
深度学习技术与应用_22_代表性卷积神经网络(第1部分)
《深度学习技术与应用》_13_梯度下降算法(第2部分)
《深度学习技术与应用》_15_批标准化
10. 行为主义学派
【附源码+数据集】手把手教你基于PyTorch框架构建CNN卷积神经网络花卉图像识别模型实战,原理详解+项目实战,看完就能跑通!毕设/课设/深度学习/神经网络
17. Marr 视觉计算理论